📈 economics

Distance Functions and Generalized Means: Duality and Taxonomy

Dieser Artikel stellt eine Verallgemeinerte-Mittel-Distanzfunktion vor, die auf dem Stone-Geary-Nutzenkonzept basiert, und leitet daraus duale Zusammenhänge mit der Gewinnfunktion ab, die zahlreiche bekannte Effizienzmaße der Produktionsökonomie als Spezialfälle umfassen und teilweise auch ohne Konvexitätsannahmen gelten.

Ursprüngliche Autoren: Walter Briec

Veröffentlicht 2026-04-02

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Walter Briec

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

🏭 Die große Messung: Wie man die „Bestleistung" einer Fabrik findet

Stellen Sie sich vor, Sie sind der Chef einer riesigen Fabrik. Sie haben Rohstoffe (Inputs), die Sie reinwerfen, und fertige Produkte (Outputs), die Sie herausbekommen. Aber wie wissen Sie, ob Ihre Fabrik wirklich gut läuft? Läuft sie nur „okay", oder könnte sie noch viel besser sein, ohne dass Sie mehr Geld ausgeben?

In der Wirtschaftswissenschaft gibt es viele verschiedene Methoden, um diese „Effizienz" zu messen. Der Autor dieses Papiers, Walter Briec, hat nun einen neuen, riesigen Regenschirm entwickelt, unter dem fast alle diese alten Methoden Platz finden. Er nennt sie „Generalized Mean Directional Distance Function". Klingt kompliziert? Lassen Sie uns das mit ein paar einfachen Metaphern erklären.

1. Der alte Weg: Der starre Lineal-Messstab

Früher haben Ökonomen oft wie ein strenger Lehrer gemessen, der nur einen einzigen Weg kennt:

Der radiale Ansatz (Debreu/Farrell): „Wenn du 10% weniger Holz reinwirfst, aber trotzdem 10% mehr Stühle herstellst, bist du effizient." Das ist wie ein Lineal, das alles nur proportional verkleinert oder vergrößert. Das Problem: Es ignoriert, dass man vielleicht bei einem Material sparen kann, aber bei einem anderen nicht.
Der Slack-Ansatz (Färe-Lovell): „Schauen wir mal genau hin: Bei Holz hast du 20% Verschwendung, bei Stahl 5%." Das ist genauer, aber die Mathematik dahinter war oft sehr starr und funktionierte nicht gut, wenn die Fabrik nicht perfekt „rund" (konvex) war.

2. Die neue Idee: Der „Wunsch-Liste"-Ansatz (Stone-Geary)

Briec schlägt einen cleveren Trick vor. Er denkt nicht mehr nur an Zahlen, sondern an Wünsche und Bedürfnisse.

Stellen Sie sich vor, Ihre Fabrik hat ein Mindestniveau an Rohstoffen, das sie unbedingt braucht, um überhaupt zu funktionieren (wie ein Existenzminimum). Alles, was darüber hinausgeht, ist „Luxus" oder „Verbesserungspotenzial".

Briec nutzt ein Konzept namens Stone-Geary-Nutzenfunktion. Das ist wie eine Wunschliste:

„Ich brauche mindestens 5 Tonnen Stahl." (Das ist das Minimum).
„Alles, was ich über diese 5 Tonnen hinaus optimieren kann, zählt als Erfolg."

Er definiert eine neue Art von Distanz: Wie weit ist Ihre aktuelle Fabrik noch von der „perfekten Welt" entfernt?

Die Metapher: Stellen Sie sich vor, Sie stehen in einem Raum (Ihre aktuelle Produktion). Der „perfekte Punkt" ist die Wand, an der alles optimal läuft.
Früher hat man gemessen: „Wie weit müssen Sie gehen, wenn Sie nur geradeaus laufen?" (Radial).
Briec sagt: „Wie weit müssen Sie gehen, wenn Sie in jede Richtung gleichzeitig schauen, um den nächsten perfekten Punkt zu erreichen?"

3. Der „Magische Knopf" (Der Parameter p)

Das Geniale an Briecs neuer Formel ist ein einziger Knopf, den man drehen kann: den Parameter p. Je nachdem, wie man diesen Knopf dreht, verwandelt sich die Messung in verschiedene bekannte Werkzeuge:

Knopf ganz links (p = -∞): Wir messen nur den schlimmsten Engpass. „Wo hakt es am meisten?" Das ist wie der Directional Distance Function. Es ist der klassische Weg, um zu sehen, wie viel man noch verbessern kann, bevor man an die Wand läuft.
Knopf in der Mitte (p = 1): Wir machen einen Durchschnitt aller Verbesserungen. Das ist die Färe-Lovell-Messung. Wir schauen auf das Gesamtbild: „Haben wir bei Holz, Stahl und Strom insgesamt gut gespart?"
Knopf ganz rechts (p = +∞): Wir schauen nur auf den besten einzelnen Fortschritt. „Wo haben wir das Meiste geschafft?" Das ist die Asymmetrische Messung.
Knopf bei Null (p = 0): Wir multiplizieren die Verbesserungen. Das ist wie eine multiplikative Messung, die besonders empfindlich reagiert, wenn eine Sache schlecht läuft.

Die Erkenntnis: Alle diese verschiedenen Messmethoden sind eigentlich nur verschiedene Einstellungen desselben einen, großen Geräts!

4. Der Preis-Check (Die Dualität)

Ein weiterer wichtiger Teil des Papiers ist die Dualität. Das ist wie ein Spiegelbild.

Seite A (Die Fabrik): Wir fragen: „Wie viel Distanz (Verbesserungspotenzial) habe ich?"
Seite B (Der Markt): Wir fragen: „Welche Preise würden diese Distanz spiegeln?"

Briec zeigt, dass man diese Distanz berechnen kann, indem man schaut, wie viel Gewinn man machen könnte, wenn man die Preise richtig setzt.

Das Besondere: Früher dachte man, dafür müsse die Fabrik „rund" und perfekt geformt sein (mathematisch: konvex). Briec beweist: Nein! Man kann das auch bei eckigen, klobigen, unperfekten Fabriken machen. Das ist wie wenn man sagt: „Ich kann den Abstand zum Ziel auch berechnen, selbst wenn der Weg über Felsen und Schluchten führt, nicht nur über eine glatte Straße."

5. Warum ist das wichtig? (Das Fazit)

Stellen Sie sich vor, Sie haben einen riesigen Werkzeugkasten. Früher musste man für jede Aufgabe ein anderes, spezifisches Werkzeug suchen (ein Lineal für Radial, eine Waage für Slack, ein Kompass für Richtung).

Briec hat einen Schweizer Taschenmesser erfunden.

Mit einem Schieber (dem Parameter p) können Sie das Werkzeug in genau das verwandeln, das Sie gerade brauchen.
Es funktioniert auch dann, wenn die Fabrik nicht perfekt ist (keine Konvexität nötig).
Es verbindet die Welt der „Verbraucher-Wünsche" (Utility) mit der Welt der „Produzenten-Effizienz".

Zusammenfassend:
Dieses Papier sagt uns: „Hört auf, sich über die verschiedenen Methoden zu streiten. Sie sind alle Teile desselben Puzzles. Hier ist die Formel, die alles zusammenhält, egal wie eckig oder rund Ihre Fabrik ist."

Es ist wie ein neuer Kompass für die Wirtschaft, der uns hilft, nicht nur zu sehen, wie weit wir noch gehen müssen, sondern auch in welche Richtung wir gehen sollten, um wirklich effizient zu sein.

1. Problemstellung und Motivation

Die Produktionstheorie und die Konsumententheorie haben sich historisch oft unabhängig voneinander entwickelt, obwohl sie durch Konzepte wie Dualität und Distanzfunktionen eng miteinander verbunden sind. In der Produktionstheorie gibt es zwei Hauptkonzepte der technischen Effizienz:

Radiale Maße (Debreu-Farrell): Basieren auf dem Verhältnis von Input/Output und entsprechen dem inversen Shepard-Distanzfunktions.
Effiziente Teilmengen (Koopmans): Definieren Effizienz basierend auf der Menge der effizienten Punkte, wobei keine Verbesserung ohne Verschlechterung möglich ist.

Ein zentrales Problem besteht darin, dass viele etablierte Effizienzmaße (wie das Färe-Lovell-Maß oder die gerichteten Distanzfunktionen) unterschiedliche axiomatiche Eigenschaften aufweisen und nicht immer die starke Effizienz (die effiziente Teilmenge $E(T)$ ) korrekt charakterisieren. Zudem fehlt oft eine einheitliche theoretische Basis, die diese Maße als Spezialfälle einer allgemeineren Klasse von Funktionen darstellt.

Das Ziel des Artikels ist es, eine formale Verbindung zwischen Nutzenfunktionen (inspiriert von der Stone-Geary-Nutzenfunktion) und Distanzfunktionen herzustellen. Der Autor möchte zeigen, dass eine breite Klasse von Effizienzmaßen durch eine Nutzenfunktion-basierte Darstellung erklärt werden kann, die auf dem Konzept der verallgemeinerten Mittelwerte (Generalized Means) beruht.

2. Methodik und theoretischer Rahmen

Der Artikel führt einen neuen formalen Rahmen ein, der Distanzfunktionen als Maximierungsprobleme von Nutzenfunktionen über der Menge der zulässigen Produktionsvektoren interpretiert.

Stone-Geary-Ansatz: Die Herleitung orientiert sich an der Stone-Geary-Nutzenfunktion, die typischerweise Mindestverbrauchslevels ( $\gamma_k$ ) modelliert. Im Produktionskontext wird dies so adaptiert, dass ein Produzent versucht, von einem minimalen Niveau an Nettoinputs (Netputs) aus eine Verbesserung zu erzielen.
Nutzenbasierte Distanzfunktion: Eine Distanzfunktion $D(z)$ wird definiert als das Supremum einer Nutzenfunktion $W$ über den Vektoren $u$ , die $z$ dominieren ( $u \in T_z = \{u \in T : u \geq z\}$ ):
$D(z) = \sup_{u \in T_z} W(u - z)$
Hierbei repräsentiert $W(u-z)$ den „Nutzen" der Verbesserung von $z$ zu einem effizienteren Punkt $u$ .
Verallgemeinerte Mittelwerte (Generalized Means): Als spezifische Form der Nutzenfunktion $W$ werden verallgemeinerte Mittelwerte (basierend auf der Aczel-Mittelwert-Theorie und dem Atkinson-Ungleichheitsindex) verwendet. Für einen Parameter $p$ wird die Funktion $W_p$ definiert, die je nach $p$ verschiedene Aggregationsformen annimmt (arithmetisch, geometrisch, harmonisch, min/max).
Richtungssensitive Erweiterung: Die Methode wird auf gerichtete Distanzfunktionen erweitert, indem ein Richtungsvektor $g$ eingeführt wird. Dies führt zur verallgemeinerten Mittelwert-Distanzfunktion $D_{W_{p,g}}(z)$ .

3. Schlüsselbeiträge und Ergebnisse

A. Klassifizierung und Einbettung bestehender Maße

Der Autor zeigt, dass die neu eingeführte Klasse der verallgemeinerten Mittelwert-Distanzfunktionen zahlreiche bekannte Effizienzmaße als Spezialfälle oder Grenzfälle enthält, abhängig vom Parameter $p$ :

$p = -\infty$ : Entspricht der klassischen gerichteten Distanzfunktion (Directional Distance Function, DDF) von Chambers, Chung und Färe.
$p = 1$ : Entspricht der gerichteten Färe-Lovell-Distanzfunktion.
$p = 0$ : Entspricht einer multiplikativen Variante der Färe-Lovell-Maße.
$p = +\infty$ : Entspricht der asymmetrischen gerichteten Distanzfunktion (Asymmetric Directional Distance Function).
$p \in (0, 1)$ und $p > 1$ : Bilden eine kontinuierliche Familie von Maßen dazwischen.

B. Axiomatische Eigenschaften

Es werden wichtige axiomatische Eigenschaften der neuen Maße analysiert:

Charakterisierung der Effizienz:
- Für $p > 0$ charakterisiert die Distanzfunktion die stark effiziente Teilmenge ( $E(T)$ ).
- Für $p \leq 0$ charakterisiert sie nur die schwach effiziente Teilmenge ( $F(T)$ ). Dies erklärt, warum die klassische DDF ( $p=-\infty$ ) oft nicht stark effiziente Punkte identifiziert.
Monotonie und Skalierung: Die Maße sind monoton fallend in Bezug auf die Distanz zur Effizienzgrenze und erfüllen bestimmte Invarianzbedingungen bezüglich der Maßeinheiten.

C. Dualitätstheoreme (Profitfunktion und Distanz)

Ein zentrales Ergebnis des Artikels ist die Herleitung von Dualitätsbeziehungen zwischen den verallgemeinerten Distanzfunktionen und der Gewinnfunktion (Profit Function), und zwar ohne die Annahme von Konvexität der Produktionstechnologie ( $T$ ).

Fall $p \geq 1$ (Konvexe Nutzenfunktionen/Normen):
- Die Distanzfunktion wird als Maximierung einer Norm über der Produktionsmenge interpretiert.
- Der Dualitätsansatz basiert auf dem Satz vom größten Abstand (Maximum Norm Distance).
- Das duale Problem ist ein Maximierungsproblem für den Gewinn unter einer Norm-Normalisierungsbedingung der Preise.
- Hinweis: Da hier eine konvexe Funktion über einer Menge maximiert wird, ist das Problem intrinsisch nicht-konvex, was die Berechnung erschwert, aber die Dualität ohne Konvexitätsannahme für $T$ erlaubt.
Fall $p < 1$ (Quasi-konkave Nutzenfunktionen):
- Hier wird die Distanzfunktion über eine indirekte Nutzenfunktion (Indirect Utility Function) dualisiert.
- Das duale Problem ist ein Minimierungsproblem für die Differenz zwischen Gewinnfunktion und dem Wert des aktuellen Vektors.
- Die Normalisierung der Preise hängt von $p$ ab (z. B. geometrisches Mittel für $p=0$ , gewichtete Summe für $p \to -\infty$ ).
- In diesem Fall wird die Konvexität der Technologie ( $T5$ ) für die Dualität benötigt.

D. Numerische Beispiele und Grenzfälle

Der Artikel liefert numerische Beispiele (im Anhang), die zeigen, wie sich die Projektionspunkte auf die Effizienzgrenze ändern, wenn $p$ variiert. Besonders deutlich wird, dass für $p \to -\infty$ die Projektion oft nicht auf die stark effiziente Teilmenge führt, während $p > 0$ dies sicherstellt.

4. Signifikanz und Bedeutung

Die Arbeit leistet einen wesentlichen Beitrag zur Produktionstheorie und zur Messung von Effizienz:

Theoretische Vereinheitlichung: Sie bietet einen einheitlichen Rahmen, der scheinbar disparate Effizienzmaße (radial, gerichtet, slack-basiert, multiplikativ) als Spezialfälle einer einzigen Familie von Nutzenfunktionen erklärt.
Verbindung von Disziplinen: Durch die Nutzung der Stone-Geary-Form und der verallgemeinerten Mittelwerte werden Verbindungen zur Konsumententheorie, zur Bargaining-Theorie (Verhandlungstheorie) und zur Multikriterien-Entscheidungsanalyse hergestellt.
Dualität ohne Konvexität: Die Ergebnisse zeigen, dass Dualitätsbeziehungen zwischen Distanz- und Gewinnfunktionen auch für nicht-konvexe Produktionstechnologien gelten können, sofern die richtige Form der Nutzenfunktion (bzw. des Dualproblems) gewählt wird. Dies ist besonders relevant für reale Produktionsdaten, die oft nicht-konvex sind (z. B. bei DEA-Modellen mit konstanten Skalenerträgen oder bei diskreten Entscheidungen).
Praktische Implikationen: Die Unterscheidung zwischen $p > 0$ und $p \leq 0$ gibt Forschern und Praktikern ein Werkzeug an die Hand, um bewusst zu wählen, ob sie eine strenge Charakterisierung der Effizienz (stark effiziente Teilmenge) oder eine robustere, aber weniger strenge Messung (schwach effizient) benötigen.

Zusammenfassend erweitert der Artikel das Toolkit der Effizienzmessung signifikant, indem er eine flexible, parametrisierte Familie von Distanzfunktionen einführt, die sowohl theoretisch fundiert als auch dual mit der Gewinnmaximierung verknüpft ist.